[发明专利]用于暴力行为检测的深度学习模型训练数据集构造方法及系统

权利要求书

1.一种用于暴力行为检测的深度学习模型训练数据集构造方法，其特征在于，包括：

步骤1：从已公开、已标准化和已标注的暴力行为数据集中获得含有暴力行为的视频，并将下载的视频存入指定文件系统；

步骤2：从网站获得已公开、未标准化的含有暴力行为的视频，将下载的视频存入指定文件系统；

步骤3：基于特定动作和不同的人员，录制含有暴力行为的视频，并将录制的视频存入指定的文件系统；

步骤4：在特定场所运行已训练完成的暴力行为检测深度学习模型，录制其判断错误的视频，并将录制的视频存入指定的文件系统；

步骤5：设定深度学习模型输入要求的视频帧数，其中视频帧为从一个视频中提取的一张图片，一张或多张图片的集合构成深度学习模型的输入；

步骤6：如果已经不存在待处理视频，则完成用于暴力行为检测的深度学习模型训练数据集构造，结束全部过程；否则从文件系统中取出一个待处理视频的路径，然后执行步骤7；

步骤7：获取该视频的总帧数；

步骤8：计算该视频的取帧间隔，取帧间隔 = 该视频总帧数 / 深度学习模型输入要求的视频帧数，其结果为浮点数；

步骤9：以步骤8得到的取帧间隔，计算并存储从待处理视频中取帧的序号，帧序号的计算方式为：从0循环到深度学习模型输入要求的视频帧数，将其乘以取帧间隔并做四舍五入得到帧序号；

步骤10：从文件系统中取出该视频对应步骤9中帧序号的图片，按特定参数命名，并存储至指定的文件系统；

步骤11：将待处理视频记录为“已处理”，执行步骤6。

2.如权利要求1所述的用于暴力行为检测的深度学习模型训练数据集构造方法，其特征在于，所述步骤2还包括：

子步骤1：从已下载和存储的视频中载入一个视频，如果不存在未被载入的视频，则结束全部子过程；

子步骤2：提取视频中的所有图片帧；

子步骤3：标准化图片；

子步骤4：将每一帧图片转化为灰度图；

子步骤5：对每一帧图片进行离散余弦变换；

子步骤6：对每一帧图片计算平均值；

子步骤7：对每一帧图片计算哈希值；

子步骤8：将该视频的所有图片的哈希值在关系型视频图片数据库中检索；若发现重复哈希值，则从文件系统中提取相应的图片，显示检测到的重复图片内容和其对应的视频名称；否则执行子步骤1；

子步骤8：人工判断是否为重复图片；

子步骤9：若该视频中与数据库中重复图片数量超过阈值，则删除该视频，执行子步骤1；否则执行子步骤10；

子步骤10：以固定时间t1为单位对视频进行切片；

子步骤11：人工标注每一个视频片段；

子步骤12：对每一个视频片段进行数据清洗；

子步骤13：将每一个视频片段、每一个视频片段的所有图片存入文件系统；将每一个视频片段名称、该视频片段的图片名称及其哈希值存入关系型视频图片数据库。

3.如权利要求1所述的用于暴力行为检测的深度学习模型训练数据集构造方法，其特征在于，所述步骤3还包括：

子步骤1：在录制场地内标定n个点，n 0；

子步骤2：从未录制人员中选择一人，如果不存在未录制人员，则执行子步骤5；

子步骤3：从标定的点中选择一个未进行录制的点，如果不存在未录制的标定点，则执行子步骤2；

子步骤4：在选择的点上录制设计好的暴力和非暴力行为，然后执行子步骤3；

子步骤5：将录制的视频文件存入文件系统；

子步骤6：以固定时间t2为单位对视频进行切片；

子步骤7：人工标注每一个视频片段；

子步骤8：对每一个视频片段进行数据清洗；

子步骤9：将每一个视频片段、每一个视频片段的所有图片存入文件系统。